-
公开(公告)号:CN115188476B
公开(公告)日:2025-04-18
申请号:CN202210861995.5
申请日:2022-07-20
Applicant: 西安市红会医院(西安市骨科研究所)
Abstract: 本发明涉及骨折合并深静脉血栓预测技术领域,尤其涉及一种基于遗传学特征预测骨折合并深静脉血栓风险的方法,包括以下步骤:P1,筛选出DVT基因型SNP特征集;P2,建立骨折合并DVT预测模型和模型评估指标;P3,优化骨折合并DVT预测模型,确定骨折合并DVT预测模型的最优特征SNP子集;P4,根据最优特征SNP子集从未知是否发生DVT的骨折患者的基因型数据中提取最优DVT基因型SNP特征集,将DVT基因型SNP特征集与最优DVT基因型SNP特征集进行对比,预测骨折患者是否发生DVT的风险值。本发明将基因组DNA序列信息与机器学习的方法结合,利用集成学习中的随机森林算法,进一步提取基因组序列特征,对骨折患者发生DVT的风险进行预测,从而为患者后续的治疗和用药提供精确的临床指导。
-
公开(公告)号:CN115188476A
公开(公告)日:2022-10-14
申请号:CN202210861995.5
申请日:2022-07-20
Applicant: 西安市红会医院(西安市骨科研究所)
Abstract: 本发明涉及骨折合并深静脉血栓预测技术领域,尤其涉及一种基于遗传学特征预测骨折合并深静脉血栓风险的方法,包括以下步骤:P1,筛选出DVT基因型SNP特征集;P2,建立骨折合并DVT预测模型和模型评估指标;P3,优化骨折合并DVT预测模型,确定骨折合并DVT预测模型的最优特征SNP子集;P4,根据最优特征SNP子集从未知是否发生DVT的骨折患者的基因型数据中提取最优DVT基因型SNP特征集,将DVT基因型SNP特征集与最优DVT基因型SNP特征集进行对比,预测骨折患者是否发生DVT的风险值。本发明将基因组DNA序列信息与机器学习的方法结合,利用集成学习中的随机森林算法,进一步提取基因组序列特征,对骨折患者发生DVT的风险进行预测,从而为患者后续的治疗和用药提供精确的临床指导。
-